科研之友
微信
新浪微博
Facebook
分享链接
摘要
局部放电模式识别对交联聚乙烯(XLPE)电缆绝缘性能的判定具有重要意义。在XLPE电缆的局部放电模式识别的研究中，传统机器学习算法存在收敛速度慢、易过拟合、识别准确率低等问题。文章采用一种基于改进XGBoost算法的XLPE电缆局部放电模式识别方法。通过搭建电缆局部放电试验平台人为构造四种35 kV XLPE电缆局部放电缺陷模型进而获取原始数据，利用MATLAB软件完成统计特征参数的计算，以特征参数为输入量，放电类型预测结果为输出量，通过交叉验证、学习曲线确定最优参数进而得到有效的模式识别模型。实验分析结果表明，与决策树、随机森林、BP神经网络和SVM等局部放电模式识别方法相比，文中方法可进一步提升识别准确率，总体识别准确率为96.93%。
-
单位大连理工大学; 中国石油化工股份有限公司; 中国石油化工股份有限公司广州分公司
